雨雪天非结构化道路识别算法研究
2014-10-10贾嫣李砚轶
贾嫣 李砚轶
摘要:针对雨天雪天气采集到的非结构化道路的一种识别算法。该文针对雨雪天气的特殊性利用HSV空间中的H空间进行模糊增强,使用最大类间差分方法自动选取阈值进行道路和非道路的粗分,使用形态学和斑块消去法进行图像的降噪,得到细分图像,最后使用边缘检测得到道路边缘。
关键词:非结构化道路识别;形态学;图像降噪;边缘检测
中图分类号:TP18 文献标识码:A 文章编号:1009-3044(2014)24-5742-02
道路检测技术的发展为无人驾驶系统中障碍物的检测提供了基础保障,同时也拓宽了无人驾驶车辆行驶和应用的范围。国际上70年代就已经开始了结构化道路的研究,迄今为止结构化道路的检测技术已趋于成熟,对于非结构化道路的道路检测技术也有一定的研究,国内如THMR_V道路检测系统[1][2]、国防科技大的红旗HQ3无人驾驶车辆[3][4];国外如美国的NavLab系统[5][6]、德国VaMP系统[7]。随着无人驾驶车辆应用范围的扩展,要求无人驾驶车辆不但要能行驶在一些泥土沙石道路、山地道路等非结构化道路上,而且要求无人驾驶车辆在雨雪天气中在非结构化道路上行驶,这时由于道路边缘退化、道路宽度无规律、建筑物和植物在道路上形成阴影、雨雪覆盖等自然环境的影响,会给道路检测带来困难,使得道路检测的鲁棒性、准确性降低。目前,有一些算法能够处理以上提到的复杂情况中的几种,但是还没有一个较好的算法能够解决这些复杂的问题,目前的算法大多都是以牺牲实时性或检测准确性为代价实现的。由于雨天,雪天道路退化严重,图像复原虽然是较好的选择,但是这种方法运算量大,对于实时性的满足较差,因此考虑使用一种计算简单、实时性高,鲁棒性好的算法来进行雨天、雪天非结构化道路的检测。针对以上问题,该文主要采取模糊处理的方式对退化的数字图像进行处理而后再使用基于特征的道路识别方法进行道路识别。
1 算法框架及关键技术
针对雨雪天气的特殊性利用HSV空间中的H空间进行模糊增强,使用最大类间差分方法自动选取阈值进行道路和非道路的粗分,然后使用形态学和斑块消去法进行图像的降噪,得到细分图像,最后使用边缘检测得到道路边缘。处理雨天、雪天非结构化道路的算法框图设计如图1所示:
3 小结
本章针对特殊天气中的雨雪天气提出了一种基于模糊增强的非结构道路识别算法。首先将RGB空间转换到HSV空间,然后在H空间进行模糊增强,增加图像对比度,然后使用最大类间差分方法进行图像二值化,得到粗分的道路非道路图像,然后使用形态学和斑块区域消去对图像去噪,最后使用Canny算子的边缘检测法得到道路边缘图像。该算法实时性高、计算速度快。通过研究发现本算法对一般的雨雪天非结构化道路可以很好的识别,但是对于道路上有大面积阴影的道路识别率不高。
参考文献:
[1] Yang M, Lu J, Wang H, Zhang B. Vision-based Real-time Vehicle Guidance on THMR-V Part I: Unstructured Road Detection. Proceedings of the International Symposium on Test and Measurement (ISTM01),2001:365-368.
[2] 张振武,丁冬花.THMR-V道路检测算法设计[J].微计算机信息,2005 (21):115-117.
[3] http://news.ifeng.com/mil/chinapic/detail_2011_07/19/7789618_0.shtml.
[4] http://auto.163.com/12/0524/11/8291J5GN00084TV1.html.
[5] 徐杰.智能车辆视觉导航中道路边界识别技术的研究[D].吉林大学,2001:3-5.
[6] 王宏.智能车辆的主动驾驶与辅助导航[J].机器人,1997(5):12-13.
[7] Broggi A,Bertozzi M,Fascioli A,et al.AutomaticVehideGuidance:the Experience of the ARGO Autonomous Vehicle.World Scienlific,1999.